可解释人工智能辅助建模孔雀绿在SBA-15–Zn–Fe复合材料上的吸附

《Molecules》:Explainable Artificial Intelligence Assisted Modeling of Malachite Green Adsorption onto SBA-15–Zn–Fe Composite

【字体: 大 中 小 】 时间:2026年08月29日 来源:Molecules 5.1

编辑推荐:

  含染料工业废水对水生生态系统构成重大风险。研究人员采用所述SBA-15–Zn–Fe合成程序制备材料,评估其对孔雀绿(MG)的去除性能,并采用机器学习与可解释人工智能技术建模。数据集含315组实验观测,覆盖初始MG浓度100–500 mg L?1、吸附剂浓度0.

  
含染料工业废水对水生生态系统构成重大风险。研究人员采用所述SBA-15–Zn–Fe合成程序制备材料,评估其对孔雀绿(MG)的去除性能,并采用机器学习与可解释人工智能技术建模。数据集含315组实验观测,覆盖初始MG浓度100–500 mg L?1、吸附剂浓度0.5–3.0 g L?1、pH 5–9、温度25–45 °C、接触时间0–360 min。在初始MG浓度500 mg L?1、吸附剂浓度1.0 g L?1、pH 9.0、45 °C、90 min条件下,材料去除率达99.65%;Langmuir模型估算最大单层容量为1428.57 mg g?1。研究人员构建含100–50–25–12隐藏层、双曲正切激活、L-BFGS优化的多层感知机(MLP)预测残余MG浓度,严格留出20%内部测试子集R2为0.9624;五折交叉验证平均R2为0.8420(折间标准差0.1273),基于接触时间分组的留一交叉验证(LOGO-CV)合并R2为0.7411,表明排除整组接触时间后迁移性下降。名义95% CV+预测区间在测试子集经验覆盖率达98.41%,但区间较宽显示预测不确定性不可忽略。置换特征重要性(PFI)与SHAP分析表明拟合MLP最依赖接触时间与初始MG浓度:较长接触时间一般对应较低预测残余浓度,较高初始浓度对应较高预测残余浓度。该框架在实验域内提供可解释的MG吸附评估,外部有效性及域外外推未确立。
研究背景与动机
含染料工业废水因纺织等相关行业排放进入水体,其中孔雀绿(MG)为阳离子三苯甲烷染料,可降低透光率、抑制光合、具毒理与潜在致癌性,高效去除MG是受纳环境排放前必要环节。吸附法因操作灵活、设计简单、效率高被广泛应用,SBA-15介孔二氧化硅比表面高、孔道有序,金属改性可提升反应性与稳定性。但吸附行为受平衡、动力学、传质与理化效应共同支配,传统回归与机理模型难以刻画多变量非线性交互。机器学习尤其是人工神经网络(ANN)虽能提升预测,但随机划分验证易因同结构样本同时落入训练与验证集而产生数据泄漏与乐观估计;黑箱特性也阻碍变量贡献解读。因此研究人员在SBA-15–Zn–Fe/MG体系上,将非线性MLP预测、接触时间分组留一交叉验证(LOGO-CV)与PFI及SHAP解释三者按统一框架集成,以联合评估预测精度、分组条件迁移性与透明物理解释。
主要关键技术方法
研究人员基于315组批式吸附实验观测(初始MG浓度、吸附剂浓度、pH、温度、接触时间五输入,残余MG浓度为响应)开展研究。建模前各特征与响应按训练子集独立标准化以避免泄漏。核心方法包括:构建预设100–50–25–12隐藏层、双曲正切激活、L-BFGS优化的多层感知机(MLP);采用80/20固定划分训练与严格留出测试集,辅以五折交叉验证与基于接触时间分组的留一交叉验证(LOGO-CV)评估时间组迁移性;以置换特征重要性(PFI)量化全局依赖、以SHAP值分解局部方向性贡献;并以五折CV+法由出折残差构造名义95%预测区间。替代算法(随机森林、梯度提升、支持向量回归)仅作同划分基准对照,不做超参寻优。
研究结果
3.1 SBA-15–Zn–Fe复合材料织构与吸附性能
氮吸附显示复合材比表面与孔容较SBA-15下降、平均孔径上升。吸附曲线呈前15 min快速、其后趋缓两段式,90 min作平衡时间;500 mg L?1初始MG、1.0 g L?1吸附剂、pH 9.0、45 °C、90 min下去除率99.65%,实验容量近500 mg g?1;Langmuir估算最大单层容量1428.57 mg g?1。与文献十种材料比,该复材估算Qmax居前但非最高。
3.2 统计分析
Pearson相关显示残余MG浓度与初始MG浓度正相关最强、与接触时间负相关最强。多元线性回归(MLR) R2=0.389,仅初始浓度与接触时间系数显著,温度调整后符号与单变量相关相反,说明加性线性设定不充分,引出非线性建模必要。
3.3 多层感知机模型评价
预设MLP在严格留出测试集R2=0.9624(标准化MSE 0.0449);五折CV平均R2=0.8420(SD 0.1273);LOGO-CV合并R2=0.7411,低于随机CV,证实整组接触时间缺失时迁移性降低,但所有接触时间仍在0–360 min域内故非域外外推。同划分下随机森林R2=0.9872、梯度提升0.9804优于MLP,SVR仅0.6171。CV+区间在测试集经验覆盖98.41%(62/63),但区间宽且下部可负,仅作不确定性内部评估。
3.4 可解释人工智能分析:PFI与SHAP结果
PFI归一化显示接触时间占48.91%、初始MG浓度42.67%,合计91.58%;SHAP全局均值绝对占比接触时间最高、初始浓度次之,温度PFI仅4.20%但SHAP占12.02%。SHAP方向性:高接触时间→负SHAP→预测残余降低;高初始浓度→正SHAP→预测残余升高;高温在25–45 °C内多关联负SHAP(预测残余降低),但非热力学因果证据;pH与吸附剂浓度贡献较低。
讨论与结论翻译
本研究评估所述SBA-15–Zn–Fe合成程序制备材料对MG的吸附,并建立XAI辅助MLP框架预测残余MG浓度。在所研条件下,初始MG 500 mg L?1、吸附剂1.0 g L?1、pH 9.0、45 °C、90 min去除率99.65%;Langmuir估算最大单层容量1428.57 mg g?1,该模型值不等同500 mg L?1下实验摄取量。预设MLP严格留出测试集R2=0.9624;但合并LOGO-CV R2=0.7411显示排除整组接触时间后预测更困难。CV+不确定分析对名义95%区间获98.41%经验覆盖,但区间宽且变异性大表明预测不确定性不可忽略;随机森林与梯度提升在同划分测试集精度高于MLP,故MLP结果不证明普遍优于替代算法。PFI与SHAP一致认定接触时间与初始MG浓度为拟合MLP最主要依赖变量;SHAP指示较长接触时间一般伴较低预测残余浓度,较高初始浓度伴较高预测残余浓度,温度为次要贡献。上述模型内关联与观测趋势一致,但非独立因果、动力学或热力学证据。该框架仅限在接触时间0–360 min、初始MG 100–500 mg L?1、吸附剂0.5–3.0 g L?1、pH 5–9、温度25–45 °C域内插值使用;其对真实废水、连续流、新合成批次及域外条件适用性未确立。现有理化表征仅限氮吸附织构参数,未独立验证有序SBA-15结构或定量Zn/Fe含量,故实用工艺优化与工业实施前需外部实验验证及补充结构与元素表征。
(本文发表于《Molecules》)
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号